基于最大相关最小冗余的多标记特征选择
Feature Selection via Max-Relevanceand Min-Redundancy in Multi-label Learning作者机构：闽南师范大学福建省粒计算重点实验室
出 版 物：《数码设计》 (Peak Data Science)
年 卷 期：2016年第2期
页 面：21-25+20页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金61379049
摘 要：针对多标记学习中高维数据运行速度问题,提出一种基于最大相关最小冗余的特征选择算法ML-MRMR。利用数据与标记的互信息,获得了最大相关性最少冗余性特征集合。分析了所选特征百分比与精度关系。实验结果表明,所提出算法在速度和精度上都具有明显的优势。
同方期刊数据库